Maigret

English · 简体中文

Maigret collecte un dossier sur une personne uniquement à partir de son nom d'utilisateur, en vérifiant les comptes sur un très grand nombre de sites et en rassemblant toutes les informations disponibles sur les pages web. Aucune clé API requise. Profilage IA (démo).

En une minute

Assurez-vous de disposer de Python 3.10 ou supérieur.

pip install maigret
maigret VOTRE_NOM_UTILISATEUR

Pas d'installation ? Essayez le bot Telegram communautaire ou un Cloud Shell.

Vous voulez une interface web ? Consultez comment la lancer.

Voir aussi : Démarrage rapide.

Fonctionnalités principales

Prend en charge plus de 3 000 sites (voir la liste complète). Une exécution par défaut vérifie les 500 sites les mieux classés en termes de trafic ; passez -a pour tout analyser, ou --tags pour affiner par catégorie/pays.
Intégrable dans des projets Python — importez maigret et lancez des recherches par programmation (voir utilisation en bibliothèque).
Extrait toutes les informations disponibles sur le propriétaire du compte à partir des pages de profil et des API de sites, y compris les liens vers d'autres comptes.
Effectue une recherche récursive en utilisant les noms d'utilisateur et autres identifiants découverts.
Permet de filtrer par balises (catégories de sites, pays).
Détecte et contourne partiellement les blocages, la censure et les CAPTCHA.
Récupère une base de données de sites mise à jour automatiquement depuis GitHub à chaque exécution (une fois toutes les 24 heures), et revient à la base de données intégrée si hors ligne.
Fonctionne avec les sites Tor et I2P ; capable de vérifier des domaines.
Livré avec une interface web pour parcourir les résultats sous forme de graphe et télécharger des rapports dans tous les formats depuis une seule page.
Mode analyse IA optionnel (--ai) qui transforme les résultats bruts en un court résumé d'enquête à l'aide d'une API compatible OpenAI.

Pour la liste complète des fonctionnalités, consultez la documentation des fonctionnalités.

Utilisé par

Outils professionnels d'OSINT et d'analyse des réseaux sociaux basés sur Maigret :

Démo

Vidéo

Rapports

Rapport PDF, Rapport HTML

Capture d'écran du rapport HTML

Capture d'écran du rapport XMind 8

Sortie console complète

Installation

Vous avez déjà suivi les étapes En une minute ? Vous êtes prêt. Voici d'autres méthodes alternatives.

Vous ne voulez rien installer ? Utilisez le bot Telegram communautaire.

Windows

Téléchargez maigret_standalone.exe depuis les Releases. Vous pouvez le lancer de deux manières :

Double-cliquez dessus — Maigret demandera un nom d'utilisateur, effectuera une recherche par défaut et attendra à la fin pour que les liens des rapports restent visibles.
Exécutez-le depuis un terminal — ouvrez l'Invite de commandes (appuyez sur Win+R, tapez cmd, appuyez sur Entrée) ou PowerShell pour passer des options supplémentaires :

cd %USERPROFILE%\Downloads
maigret_standalone.exe USERNAME
maigret_standalone.exe USERNAME --html       :: enregistre également un rapport HTML
maigret_standalone.exe --help                :: liste toutes les options

Guide vidéo : https://youtu.be/qIgwTZOmMmM.

Cloud Shells

Exécutez Maigret dans le navigateur via des cloud shells ou des notebooks Jupyter :

Installation locale (pip)

# installation depuis pypi
pip3 install maigret

# utilisation
maigret username

Depuis les sources

# ou clonez et installez manuellement
git clone https://github.com/soxoj/maigret && cd maigret

# compilation et installation
pip3 install .

# utilisation
maigret username

Docker

Deux variantes d'image sont publiées :

soxoj/maigret:latest — mode CLI (par défaut)
soxoj/maigret:web — lance automatiquement l'interface web

# image officielle (CLI)
docker pull soxoj/maigret

# utilisation CLI
docker run -v /mydir:/app/reports soxoj/maigret:latest username --html

# Interface web (ouvrez http://localhost:5000)
docker run -p 5000:5000 soxoj/maigret:web

# Interface web sur un port personnalisé
docker run -e PORT=8080 -p 8080:8080 soxoj/maigret:web

# compilation manuelle
docker build -t maigret .                  # image CLI (cible par défaut)
docker build --target web -t maigret-web . # image Interface web

Dépannage

Erreurs de compilation ? Consultez le guide de dépannage.

Les rapports PDF (--pdf) sont une option supplémentaire — installez avec pip install 'maigret[pdf]'. Ils nécessitent des bibliothèques graphiques système sur Linux/macOS ; consultez la section rapports PDF pour les étapes d'installation par système d'exploitation.

Utilisation

Exemples

# générer des rapports HTML, PDF et XMind
maigret user --html
maigret user --pdf
maigret user --xmind # XML hérité avec un manifeste pour les lecteurs XMind 2022+

# exports lisibles par machine
maigret user --json ndjson   # JSON délimité par des sauts de ligne (aussi : --json simple)
maigret user --csv
maigret user --txt
maigret user --graph         # graphe D3 interactif (HTML)
maigret user --neo4j         # script Neo4j Cypher (base de données graphe)

# recherche sur les sites marqués avec les balises photo & dating
maigret user --tags photo,dating

# recherche sur les sites marqués avec la balise us
maigret user --tags us

# mettre en évidence les sites dont la page mentionne également des mots-clés spécifiques
maigret user --keywords python rust
# les sites correspondant aux mots-clés sont affichés avec "[++]" en vert vif

# recherche de trois noms d'utilisateur sur tous les sites disponibles
maigret user1 user2 user3 -a

# résumé d'enquête assisté par IA (nécessite OPENAI_API_KEY)
maigret user --ai

--neo4j écrit un script *_neo4j.cypher du graphe de résultats ; importez-le avec cypher-shell -u neo4j -p <mot_de_passe> < report_user_neo4j.cypher ou collez-le dans le Neo4j Browser. Les réimportations sont idempotentes. Consultez la documentation d'export Neo4j.

Exécutez maigret --help pour toutes les options. Documentation : Options CLI, plus d'exemples. Vous rencontrez des erreurs 403 ou des délais d'attente ? Consultez TROUBLESHOOTING.md.

Interface web

Maigret dispose d'une interface web intégrée avec un graphe de résultats et des rapports téléchargeables.

Vous ne voulez pas l'exécuter vous-même ? Déployez l'image Docker publiée soxoj/maigret:web comme application hébergée en un clic :

Fonctionne sur le niveau gratuit de Render (se met en veille après 15 min d'inactivité, se réactive à la prochaine requête). Aucune connexion n'est configurée sur l'instance, donc toute personne disposant de l'URL peut l'utiliser.

Captures d'écran de l'interface web

Interface web : comment démarrer

Interface web : résultats

maigret --web 5000

Ouvrez http://127.0.0.1:5000, saisissez un nom d'utilisateur et consultez les résultats.

Bibliothèque Python

Maigret peut être intégré dans vos propres projets Python. La CLI est une fine couche autour d'une fonction asynchrone que vous pouvez appeler directement — construisez des pipelines personnalisés, alimentez vos propres outils avec les résultats, ou exécutez-la dans un flux de travail OSINT plus large.

Consultez le guide complet d'utilisation en bibliothèque pour un exemple fonctionnel, les modèles asynchrones et la façon de filtrer les sites par balise.

Options CLI utiles

--parse URL — analyse une page de profil, extrait les identifiants/noms d'utilisateur et les utilise pour lancer une recherche récursive.
--permute — génère des variantes probables de noms d'utilisateur à partir de deux entrées ou plus (par ex. john doe → johndoe, j.doe, …) et recherche toutes ces variantes.
--self-check [--auto-disable] — vérifie les paires usernameClaimed / usernameUnclaimed sur des sites en direct pour les mainteneurs qui auditent la base de données.
--ai / --ai-model — exécute l'analyse IA sur les résultats de recherche et diffuse un court résumé d'enquête dans le terminal.

Analyse IA

--ai collecte les résultats de recherche, construit un rapport Markdown interne et l'envoie à un point de terminaison de complétion de chat compatible OpenAI pour produire un résumé d'enquête court et neutre (nom réel probable, localisation, profession, centres d'intérêt, langues, niveau de confiance, pistes de suivi). La progression par site est masquée et la sortie du modèle est diffusée sur stdout.

export OPENAI_API_KEY=sk-...
maigret user --ai

# choisir un modèle différent
maigret user --ai --ai-model gpt-4o-mini

La clé peut également être définie comme openai_api_key dans settings.json. Le point de terminaison par défaut est https://api.openai.com/v1, mais openai_api_base_url dans settings.json peut pointer vers n'importe quelle API compatible OpenAI (Azure OpenAI, OpenRouter, un serveur local, …). Consultez la documentation des paramètres pour la liste complète des options.

Tor / I2P / proxys

Maigret peut acheminer les vérifications via un proxy, Tor ou I2P — utile pour les sites .onion / .i2p et pour contourner les WAF qui bloquent les IP de datacenter.

# n'importe quel proxy HTTP/SOCKS
maigret user --proxy socks5://127.0.0.1:1080

# Tor (passerelle par défaut socks5://127.0.0.1:9050)
maigret user --tor-proxy socks5://127.0.0.1:9050

# I2P (passerelle par défaut http://127.0.0.1:4444)
maigret user --i2p-proxy http://127.0.0.1:4444

Démarrez votre démon Tor / I2P avant d'exécuter la commande — Maigret ne gère pas ces passerelles.

Contournement Cloudflare

Expérimental. La passerelle web Cloudflare est en développement actif ; le schéma de configuration, le comportement CLI et l'ensemble des sites acheminés peuvent changer sans garantie de rétrocompatibilité.

Un sous-ensemble de sites de la base de données nécessite un vrai navigateur pour résoudre un défi JavaScript. Maigret peut déléguer ces vérifications à une instance locale FlareSolverr :

docker run -d -p 8191:8191 --name flaresolverr ghcr.io/flaresolverr/flaresolverr:latest
maigret --cloudflare-bypass <username>

Le contournement est opt-in (--cloudflare-bypass ou cloudflare_bypass.enabled dans settings.json) et ne se déclenche que pour les sites dont le champ protection correspond. Consultez la documentation des fonctionnalités pour les options de backend et la configuration.

Contribuer

Ajoutez ou corrigez de nouveaux sites de manière chirurgicale dans data.json (sans json.load/json.dump), puis exécutez ./utils/update_site_data.py pour régénérer sites.md et les métadonnées de la base de données, et ouvrez une pull request. Pour plus de détails, consultez le guide CONTRIBUTING et la documentation de développement. Historique des versions : CHANGELOG.md.

Utilisation commerciale

Le Maigret open-source est sous licence MIT et gratuit pour une utilisation commerciale sans restriction — mais les vérifications de sites se dégradent avec le temps et nécessitent une maintenance active.

Pour une utilisation commerciale sérieuse — avec une base de données de sites mise à jour quotidiennement ou une API de vérification de noms d'utilisateur — contactez-nous : 📧 [email protected]

Base de données de sites privée — plus de 5 000 sites, mise à jour quotidiennement (séparée de la base de données publique open-source)
API de vérification de noms d'utilisateur — intégrez Maigret dans votre produit

À propos

Avertissement

À des fins éducatives et légales uniquement. Vous êtes responsable du respect de toutes les lois applicables (RGPD, CCPA, etc.) dans votre juridiction. Les auteurs déclinent toute responsabilité en cas d'utilisation abusive.

Retour d'expérience

Ouvrir une issue · Discussions GitHub · Telegram

Classification SOWEL

Techniques OSINT utilisées :

Licence

MIT © Maigret

Lire plus

maigret v0.6.5

Catégories